案例 06 · 跨境物流装载

文字由原PDF提取，阅读顺序和表格请以原页为准。

通过现场观察，我发现装车流程其实可以拆解成几个步骤：车辆真实尺寸获取、货物信
息整理、装载方案计算、多车调度优化、生成装车指导、现场执行以及结果反馈。
其中，前面的规划和计算环节适合AI参与，但最终必须回到人的执行。
在方案设计上，我们采用的是“大模型负责调度，专业算法负责计算”的方式。
很多人会误以为大模型可以直接解决所有问题，但实际上三维装箱涉及复杂空间计算，
大模型在这方面难以胜任。
所以我们的设计思路是，让大模型理解人的需求并负责调用不同工具，让专业算法完成
确定性的计算。
具体来说，大模型负责：理解业务人员提出的问题；解析任务需求；调用装箱算法；解
释最终结果。
而真正的三维空间计算，则由Python算法完成，包括高度图3D空间追踪、贪心放置、
多策略排序和遗传算法等。
另外，在实际落地过程中，我们做了一个非常重要的调整。
最开始，我们希望通过三维可视化系统让工人查看方案。
但现场调研后发现，工人在装车环境中并不适合频繁操作手机或者电脑。
所以最后我们把算法结果转化成更加简单的形式，就是一张工人能够直接使用的装车指
导图。里面包含货物编号、摆放方向、截面示意以及装载顺序。
让算法结果真正变成现场可以执行的动作。
Q4：相比传统方式，使用AI后的实际效果如何？
目前项目已经完成原型验证。在测试过程中，我们针对长16.4米、宽2.47米、高2.67米
60/243